Poate un robot să scrie o simfonie? Testul Turing - „Ești doar un robot, o imitație a vieții. Poate un robot să învingă acest joc? Dezavantajele terapiei VR sunt costul relativ ridicat al echipamentelor și potențiala intoleranță fiziologică la realitatea virtuală.

Dezvoltarea elementelor sistemelor de inteligență artificială se dezvoltă în mod activ și devine o tendință de astăzi, iar doar leneșii nu scriu roboți inteligenți. De aceea l-am intervievat pe Dmitry shwars Soshnikov, unul dintre cei mai buni experți AI din țară. Este un evanghelist al tehnologiei Microsoft, autor de cărți, articole și tutoriale, precum și coordonator de program pentru profesor și elev, specialist în programare funcțională, rețele neuronale și inteligență artificială.

- Dmitry, te rog spune-ne câteva cuvinte despre tine și munca ta.

Dmitri Soșnikov: Ca evanghelist pentru Microsoft, sunt implicat în popularizarea și implementarea celor mai moderne tehnologii ale companiei, acum în primul rând tehnologii legate de inteligența artificială. Aceasta include vorbirea la conferințe, lucrul cu studenți și profesori, startup-uri, uneori participarea la hackfest-uri și programarea sistemelor prototip împreună cu dezvoltatori din diferite companii. De asemenea, popularizez programarea funcțională și limbajul F#, predau la MIPT, HSE și MAI și dezvolt cursuri online pentru MVA și Coursera.

În opinia mea, rețelele neuronale și inteligența artificială în general sunt un domeniu foarte interesant, a cărui dezvoltare rapidă în ultimii ani a făcut deja posibilă rezolvarea unui număr de probleme care anterior nu aveau soluție, cum ar fi, de exemplu, determinarea automată. vârsta unei persoane din fotografia sa. Iar viitorul ne oferă mult mai multe oportunități interesante.

Rețele neuronale - modă sau instrument?

- Ce anume a determinat recent dezvoltarea activă a tehnologiei rețelelor neuronale?

Dmitri Soșnikov: Mai mulți factori s-au suprapus cu succes aici.
Mai întâi, a devenit disponibilă o putere de calcul accesibilă. Mai mult decât atât, serviciile cloud au jucat un rol important, deoarece în loc să investești în infrastructură pentru calcularea rețelelor neuronale, acum o poți închiria doar pe durata calculelor, refuzând ulterior să închiriezi. În plus, au început să fie utilizate procesoare grafice, care au fost proiectate inițial pentru grafica pe computer. S-a dovedit că sunt potrivite pentru sarcini de inteligență artificială.

În al doilea rând, datorită internetului, cantități gigantice de date au început să se acumuleze în multe zone. Luați în considerare, de exemplu, sarcina menționată anterior de a recunoaște vârsta unei persoane dintr-o fotografie. Pentru a antrena o rețea neuronală pentru a o rezolva, sunt necesare câteva sute de mii de exemple. Acum puteți lua orice rețea socială în care oamenii înșiși își publică fotografiile și informațiile despre cont (vârsta) - și primim imediat date pentru instruire.
În al treilea rând, desigur, au apărut unele cercetări interesante, inclusiv noi arhitecturi de rețele neuronale care permit rezolvarea problemelor existente. Dar acest punct este probabil o consecință a primelor două. Când resursele și tehnologiile sunt disponibile, zona începe în mod natural să se dezvolte activ.

Aici au apărut și un număr mare de instrumente care permit utilizarea acestor rețele neuronale. Dacă mai devreme pentru a rezolva problemele de inteligență artificială trebuia să ai multe cunoștințe și multă programare, acum sunt disponibile servicii pe care le poți lua și folosi.

Tema inteligenței artificiale este foarte populară astăzi. Cât de mult din această popularitate este meritată? Este tehnologia într-adevăr atât de impresionantă sau este o mare contribuție a modei? Și nu este această „modă” dăunătoare dezvoltării?

Dmitri Soșnikov: Există într-adevăr mari succese în domeniul AI, despre care se scrie mult, așa că sintagma „inteligență artificială” este auzită pe scară largă. Datorită acestui fapt, apar noi dezvoltatori - cineva merge și studiază o zonă nouă pentru ei înșiși, de exemplu. Sunt mai mulți oameni care înțeleg acest domeniu. Pe de altă parte, oamenii caută cu mai multă atenție acele sarcini în care se pot aplica tehnologiile de inteligență artificială. Din acest punct de vedere, toate acestea sunt, în principiu, bune, pentru că avem șansa să automatizăm unele zone pe care nu le puteam automatiza înainte.

De exemplu, putem rezolva problema acceptării comenzilor în fereastra MacAuto. Întotdeauna încearcă să facă soluția la astfel de probleme mai ieftină. De exemplu, în SUA, la început stătea acolo un american, apoi s-a încercat să externalizeze acest lucru prin transferarea vocii într-o țară cu forță de muncă ieftină (unde, din nou, persoana stă și transcrie). Și acum un computer poate face asta.

Participanții de pe piață au așteptări umflate? Există previziuni care, în opinia dumneavoastră, cu siguranță nu se vor îndeplini în viitorul apropiat?

Dmitri Soșnikov: Desigur că au. În primul rând, domeniul inteligenței artificiale este puțin romantic. Există destul de multe filme – de exemplu, „The Matrix” sau „Terminator” – în care roboții se răzvrătesc și preiau controlul asupra tuturor. Prin urmare, există un anumit număr de oameni care se așteaptă ca încă 5 ani să treacă și computerele să cuprindă lumea. Aceste așteptări sunt aparent încă departe de realitate. În prezent, soluția anumitor clase de probleme legate de recunoașterea imaginilor, recunoașterea vorbirii și învățarea automată este foarte bine automatizată. Dar avem încă un drum destul de lung de parcurs până să înțelegem cum funcționează gândirea umană în general. Prin urmare, înainte de a crea o astfel de inteligență artificială care să gândească ca o persoană și să opereze cu cunoștințe acumulate, mai trebuie de făcut multă muncă. Nu este încă foarte clar cum să faci asta.

- Dar așteptările în ceea ce privește investițiile financiare, mai degrabă decât implementarea scenariilor science fiction?

Dmitri Soșnikov: Mi se pare că pentru o astfel de conversație este necesară împărțirea subiectului inteligenței artificiale în componente separate, deoarece este o zonă foarte largă.

Dacă ne uităm la viziunea computerizată, există deja progrese uimitoare care sunt acum implementate în afaceri, crescând eficiența acestora și aducând beneficii economice. Viziunea computerizată recunoaște deja imaginile mai bine decât oamenii, ca să nu mai vorbim că este semnificativ mai ieftină.

În alte domenii, cum ar fi înțelegerea limbajului natural și capacitatea de a raționa despre subiecte arbitrare, progresul a fost mai modest.

- Există factori care, în opinia dumneavoastră, împiedică dezvoltarea industriei?

Dmitri Soșnikov: Sincer să fiu, nu văd niciun factor evident. Cred că aceasta este zona cu cea mai rapidă creștere în acest moment.
Cu toate acestea, aș dori să remarc că inteligența artificială este un domeniu care necesită încă niște calificări. Lucrul în această direcție este puțin mai dificil decât doar să înveți să programezi. O persoană care absolvă școala și nu primește studii superioare poate începe probabil să lucreze cu succes în domeniul dezvoltării standard. Cu inteligența artificială, ștacheta de intrare este mai mare, deși este coborâtă treptat, inclusiv prin eforturile participanților din această industrie. În special, unul dintre lucrurile la care lucrează Microsoft este așa-numita democratizare a inteligenței artificiale. Aceasta înseamnă să facem tehnologia accesibilă celui mai larg segment posibil de consumatori.

În practică, nu numai Microsoft, ci și multe alte companii lucrează în această direcție, oferind, de exemplu, instrumente pentru rezolvarea problemelor intelectuale, cognitive sub formă de servicii gata făcute. De exemplu, servicii pentru determinarea sexului, vârstei și dispoziției unei persoane dintr-o fotografie; puteți pur și simplu să le sunați și să obțineți rezultatul. Același lucru este valabil și pentru traducerea automată etc. Ca parte a raportului de la DotNext 2017, vom vorbi despre asta: cum poți, fără să înțelegi deloc cum funcționează exact, pur și simplu să folosești rezultatele.

A.NET poate?

- Să vorbim despre locul platformei .NET în segmentul inteligenței artificiale. Cât de potrivit este pentru a rezolva astfel de probleme? Există caracteristici care ajută sau, dimpotrivă, împiedică lucrul cu rețelele neuronale?

Dmitri Soșnikov: Metodele AI pot fi implementate pe orice tehnologie. Cu toate acestea, există anumite ecosisteme stabilite în jurul unor sarcini similare. De exemplu, Python și R și bibliotecile lor însoțitoare sunt limbaje foarte populare printre oamenii de știință de date. Acestea. există deja multă muncă comunitară aici. În ceea ce privește aceste evoluții, desigur, .NET este puțin în urmă, la fel ca și alte platforme similare. Cu toate acestea, .NET are deja un anumit set de instrumente, despre care voi vorbi ca parte a raportului meu.

În general, platformele sunt acum într-un anumit sens integrate, inclusiv unele cu altele. Același limbaj R se integrează foarte bine cu F#, care este nativ pe platforma .NET. În consecință, dacă trebuie să folosim unele instrumente de învățare automată, putem folosi un astfel de lanț, folosind capabilitățile și bibliotecile limbajului R. Acest lucru va fi destul de transparent și ușor de făcut.

În general, dacă vorbim în mod specific despre rețelele neuronale, Microsoft are un Cognitive Toolkit care vă permite să antrenați rețele neuronale. Și pentru că a fost construit inițial în ecosistemul Microsoft, funcționează foarte bine cu .NET.

- Acest instrument iese cumva în evidență față de analogii de la alți producători?

Dmitri Soșnikov: În esență, Cognitive Toolkit este analogul Microsoft al cadrelor TensorFlow, Caffe etc.

Toate sunt, în principiu, foarte asemănătoare ideologic. Dar Microsoft Cognitive Toolkit a fost primul care a susținut un mediu de instruire foarte distribuit, în care puteți antrena o rețea neuronală nu doar pe un singur GPU, ci pe mai multe GPU-uri sau chiar pe mai multe stații GPU. Acestea. Puteți face o fermă de formare a rețelei neuronale.

Din câte știu, Cognitive Toolkit depășește alte cadre în ceea ce privește viteza de învățare. În plus, este foarte convenabil de utilizat. Majoritatea cadrelor sunt legate de limbajul Python într-un fel sau altul, dar Cognitive Toolkit a luat inițial o cale ușor diferită. Inițial a fost posibil să se descrie arhitectura unei rețele neuronale într-un limbaj special și apoi să o antreneze fără a construi niciun model în Python. A fost puțin mai ușor. În prezent, Cognitive Toolkit acceptă ambele opțiuni, de exemplu. este destul de flexibil.

- Probabil, există momente în care Cognitive Toolkit este inferior analogilor săi?

Dmitri Soșnikov: În general, astfel de cadre sunt instrumente de nivel scăzut pe lângă care pot fi antrenate rețele neuronale arbitrare. Ca și analogii săi, Cognitive Toolkit acceptă un anumit nivel de bază pe deasupra căruia puteți construi arhitectura rețelelor de complexitate arbitrară. Prin urmare, gama de sarcini rezolvate de diferite instrumente este aproximativ aceeași.

Alegerea cadrului este în mare măsură determinată de unele preferințe personale și de disponibilitatea materialelor de referință. Și aici cadrul Microsoft rămâne puțin în urmă, deoarece a apărut puțin mai târziu, așa că nu există o cantitate atât de mare de materiale pe el, în special cursuri online. Dar situația, desigur, se nivelează treptat.

Noi, împreună cu MIPT, plănuim să lansăm un curs online dedicat în mod special problemelor asociate cu utilizarea inteligenței artificiale în practică. Și unele dintre informațiile despre Cognitive Toolkit vor fi incluse și acolo.

Viitorul apropiat

- Se poate prezice acum în ce direcție se îndreaptă dezvoltarea segmentului de inteligență artificială?

Dmitri Soșnikov: Probabil că este prea devreme pentru a face prognoze finale, deoarece în 2011-2012 a început dezvoltarea extrem de rapidă a tehnologiei. De atunci, metodele de recunoaștere au fost îmbunătățite, arhitecturile rețelelor neuronale au fost îmbunătățite, adică. acuratețea rezolvării problemelor crește.

Există încă multe probleme nerezolvate în acest segment. Problemele de recunoaștere a imaginii și vocii au fost deja rezolvate la un nivel destul de ridicat. În continuare, probabil cel mai interesant lucru este să încerci să extragi ceva sens din text. Există câteva succese destul de uimitoare și aici. De exemplu, puteți antrena o rețea neuronală pe fragmente de conversații din filme și puteți obține un robot care poate menține cumva un dialog. Dar, în același timp, dialogul nu va avea prea mult sens. Nu este încă clar cum să transpunem cunoștințele în sens, cum să combinați reprezentarea implicită a cunoștințelor în rețelele neuronale cu raționamentul simbolic. Aceasta este direcția cercetării pe care o vor urma oamenii de știință.

În ceea ce privește instrumentele, acestea sunt în prezent dezvoltate activ. Într-un fel, producătorii de scule încearcă să urmărească progresele științifice din domeniul lor. Apar noi arhitecturi de rețea - suportul lor apare în instrumente, de exemplu. Funcționalitatea este în continuă expansiune.

După cum am spus mai devreme, din punctul de vedere al dezvoltatorului, există o tendință notabilă către democratizarea inteligenței artificiale, inclusiv a instrumentelor. În plus față de Microsoft Cognitive Toolkit pe care l-am menționat, există un instrument interesant numit Azure Machine Learning, care vă permite să le aplicați datelor reale fără o înțelegere profundă a implementării tuturor algoritmilor de învățare automată și să vedeți dacă puteți identifica orice tipare și folosiți-le în continuare în produsele dvs. Acest instrument este, de asemenea, dezvoltat destul de intens - noi metode și algoritmi sunt introduși acolo.

În general, tehnologia devine din ce în ce mai accesibilă. Lucrurile complexe sunt simplificate astfel încât să poată fi utilizate într-o gamă cât mai largă de proiecte.
Un alt punct pe care aș dori să-l menționez este că acestea sunt încă primele experimente în cloud folosind soluții hardware mai eficiente care implementează algoritmi de inteligență artificială. Nu vom vorbi despre asta la Dotnext, dar subiectul a fost discutat în detaliu la conferința Microsoft Ignite. În cloud, Microsoft plănuiește să ofere nu doar resurse de calcul clasice, ci și circuite integrate cu logice programabile: FPGA sau FPGA. Pentru a simplifica, acestea sunt cipuri care pot fi flashate pentru a efectua anumite operațiuni logice și care vor efectua aceste operațiuni foarte rapid. Cu o astfel de schemă, putem calcula rețeaua neuronală mult mai rapid. În timpul experimentelor, procesorul a fost „îndemnat” să traducă din limbă în limbă, ca urmare, romanul „Război și pace” este tradus din limbă în limbă în 2 secunde. Dacă luați toate astfel de procesoare pe care le are Microsoft în cloud, atunci Wikipedia poate fi tradusă dintr-o limbă în alta în timpul necesar unei persoane pentru a clipi din ochi.

Dmitry va oferi mai multe informații practice despre utilizarea rețelelor neuronale și a tehnologiilor de inteligență artificială în proiecte reale (inclusiv pe .NET) în raportul său la DotNext 2017 Piter („Inteligenta artificială disponibilă pe platforma .NET: de la chatbot și servicii cognitive la deep rețele neuronale").

Etichete: Adăugați etichete

Testul Turing este în esență un test care răspunde la întrebarea „Pot mașinile să gândească?” Adică acesta este un set de teste pe care doar o persoană sau o inteligență artificială perfectă capabilă să gândească în același mod le poate trece. Este exact ceea ce ni se cere să facem în joc - să dovedim că ești un Homo sapiens. După părerea mea, aceasta este o chestiune de principiu!

Cei cărora le-au plăcut puzzle-urile Principiul Talos și Portal vor aprecia cu siguranță Testul Turing. Aceste jocuri chiar au multe în comun. Ați putea spune chiar că formează un subgen separat, care provine tocmai din Portal.

Pasajul este un set de teste logice care trebuie rezolvate secvenţial. Baza mecanicii jocului în Testul Turing alcătuiesc sfere de energie care trebuie introduse în celule speciale pentru a deschide uși, a porni mecanisme etc. Singurul instrument care ajută în această problemă este un anumit pistol magnetic care poate absorbi aceste sfere și le poate trage în locul potrivit.

Sunt peste 70 de teste în total, dar multe dintre ele sunt finalizate în câteva secunde. Prin urmare, întregul pasaj nu durează mult timp. În general, există puține obstacole dificile în joc; cele mai multe dintre ele pot fi completate aproape din mers. Unii oameni pot considera puzzle-urile prea simple, dar mi-a plăcut echilibrul dificultății. Dimpotrivă, nu-mi place să fiu „prost” multă vreme în astfel de jocuri.

Ideea generală este, de asemenea, similară cu jocurile care i-au inspirat pe dezvoltatori. Considerații filozofice și etice despre inteligență, despre diferența dintre om și mașină.

Cât despre intriga în sine: personajul principal se găsește pe o stație spațială pe suprafața înzăpezită a Europei, un satelit al lui Jupiter. Personalul de la bază a dispărut și totul este controlat de inteligența artificială, care se întâlnește cu eroina. Va trebui să treacă tocmai acest test Turing și să afle ce s-a întâmplat cu oamenii. Povestea este destul de interesantă, dar este prezentată în bucăți atât de mici (câteva rânduri de computer la începutul fiecărui nivel) încât nu o observi aproape tot jocul și ai atenție doar spre sfârșit.

Poate un robot să scrie o simfonie sau să transforme o bucată de pânză într-o capodopera de artă? Această întrebare rămâne deschisă. Dar iată ce știm cu siguranță: nanoroboții medicali moderni sunt capabili să „taie oxigenul” unei tumori prin pătrunderea în fluxul sanguin și să livreze medicamente celulelor afectate fără a le dăuna pe cele sănătoase. Rețelele neuronale sunt pe cale să-i depășească pe medici în diagnosticarea multor boli, iar examinările folosind tehnologiile CRISPR pot fi efectuate în curând fără a pleca de acasă. Viitorul medicinei a sosit deja - să aflăm la ce să ne așteptăm de la noile metode și cum ne va afecta acest lucru sănătatea.

Diagnosticați-l: Inteligența artificială

Succesul tratamentului depinde în mare măsură de un diagnostic rapid și fără erori: pentru aceasta, medicul trebuie să acumuleze multă experiență practică și să fie la curent cu lucrările științifice actuale din domeniul său. Dar cu atât de multe studii noi și rapoarte de caz care apar în tipărire în fiecare lună, unde poți găsi timp să studiezi totul? Aici computerele vin în ajutorul oamenilor, capabili să proceseze cantități uriașe de informații în câteva secunde.

Astăzi, algoritmii pentru analiza datelor medicale sunt creați de corporații importante, inclusiv Microsoft, IBM și Google. Cel mai adesea, evoluțiile lor se bazează pe diverse forme de inteligență artificială de auto-învățare care pot găsi modele în seturi mari de date, cum ar fi scanări ale creierului sau imagini cu excrescențe suspecte pe piele. Astfel de algoritmi sunt antrenați folosind biblioteci de mii de exemple, în care fiecărei imagini i se atribuie un diagnostic făcut de un medic calificat.

Rețelele neuronale au învățat deja să identifice multe boli la fel de eficient ca oamenii și, în unele cazuri, reușesc chiar să depășească specialiștii.

Rețelele neuronale convoluționale (CNN) vă permit să analizați mai multe imagini. Acestea sunt structuri profunde (cu mai multe straturi) în care fiecare neuron artificial primește doar un mic fragment din ieșirea stratului anterior. Treptat, rețeaua generalizează caracteristicile locale, recreând imaginea completă. Combinând toate datele, CNN poate recunoaște diverse detalii din imaginea originală, inclusiv elemente caracteristice pe baza cărora medicii pun un diagnostic.

Tehnologiile CRISPR pot nu numai să elimine cauzele bolilor, ci și să identifice bolile, de exemplu, să caute urme de ADN sau ARN ale agenților infecțioși.

În timp ce proteina Cas9 asociată CRISPR este cel mai adesea menționată în legătură cu terapie, alte proteine: Cas12a și Cas13a sunt de obicei proteinele „diagnostic”.

În 2017, cercetătorii de la MIT au introdus o tehnologie de diagnostic numită SHERLOCK (Specific High Sensitivity Enzymatic Reporter UnLOCKing). Acesta folosește enzima Cas13a, care poate recunoaște secvențe specifice de ARN și poate tăia fire similare de ARN situate în apropiere, distrugând complet obiectul suspect. La fel ca și cartea Sherlock Holmes, SHERLOCK medical este capabil să recreeze o imagine completă a evenimentelor din cele mai mici dovezi: tehnologia funcționează cu concentrații attomolare (10-18 mol pe litru) de acizi nucleici. Metoda a fost testată pe lentivirusuri care conțin fragmente din virusul febrei dengue și virusul Zika: SHERLOCK a fost capabil să detecteze particulele patogene și să le distingă unele de altele la o concentrație de cel mult doi attomole.

În timpul testării, s-a dovedit că reactivii pentru diagnosticare folosind SHERLOCK pot fi uscați și apoi reconstituiți, în timp ce sensibilitatea metodei nu scade mult. Pentru testele portabile, se recomandă utilizarea hârtiei din fibră de sticlă. Autorii dezvoltării cred că un sistem de testare va costa aproximativ 61 de cenți.

Alți cercetători lucrează, de asemenea, la crearea de truse pentru testarea CRISPR acasă. Recent, dezvoltările în acest domeniu au fost începute de Jennifer Doudna, una dintre pionierii revoluției medicale CRISPR. Echipa ei a creat o metodă numită DETECTR (ADN-endonuclează-țintită CRISPR trans reporter), folosind proteina Cas12a. Găsește secvențe specifice de ADN și taie cele mai apropiate molecule reporter de acid nucleic marcate fluorescent adăugate la probă, producând un semnal. În acest fel, pot fi detectate urme de agenți patogeni ai multor boli, inclusiv diferite tulpini ale virusului gripal.

Potrivit creatorilor unor astfel de sisteme de testare, analiza CRISPR nu va dura mai mult de câteva ore, iar rezultatele pot fi obținute prin internet. Cu toate acestea, încă nu se știe când vor apărea astfel de seturi la vânzarea publică.

Este o iluzie: realitate virtuală

Despre realitatea virtuală se vorbește adesea în contextul jocurilor pe calculator și al „cinematului 3D”, dar tehnologia are potențial și în medicină, și nu în domeniile cele mai evidente. De exemplu, VR este folosită în mod eficient ca analgezic.

Unitatea de ardere de la Loyola University Hospital din Illinois adoptă această abordare.a început folosit acum zece ani: pacienții din spital joacă un simulator în timpul procedurilor dureroaseSnowWorld.

Acțiunea se desfășoară pe fundalul unor peisaje nordice semi-fantastice cu multe zăpadă și râuri înghețate, sarcina eroului este să joace bulgări de zăpadă cu urși polari, pinguini și oameni de zăpadă. Pentru a finaliza toate nivelurile, pacientul se concentrează involuntar asupra puzzle-ului și este distras de la senzațiile fizice. Scanările RMN ale creierului au arătat că SnowWorld reduce de fapt percepția durerii, astfel încât pacienții au nevoie de mai puține analgezice puternice care pot fi dăunătoare organismului.

VR înlocuiește sau completează analgezicele în multe domenii ale medicinei. Tehnologia este utilizată pentru a calma durerea în timpul nașterii și în timpul procedurilor dentare. Proprietățile analgezice ale realității virtuale sunt deosebit de relevante în lumina „crizei opioidelor” din Statele Unite - este asociată cu creșterea popularității analgezicelor prescrise (de exemplu, OxyContin și Vicodin) în ultimele decenii.

VR funcționează nu numai pentru durerea fizică: poate depăși și traumele psihologice. Primele experimente au avut loc la sfârșitul anilor 1990, când psihologul Barbara Rothbaum a reușit să atenueze simptomele tulburării de stres post-traumatic la veteranii din Vietnam folosind modele virtuale ale unui cockpit pentru elicopter și o poiană din jungla asiatică. Această tehnică a completat terapia de expunere - o „abordare” treptată a amintirilor traumatice pe care conștiința pacientului încearcă să le evite. O schemă similară funcționează în tratamentul tulburărilor de anxietate și al fobiilor folosind realitatea virtuală. Tehnologia ajută la a face față aerofobiei și fricii de a vorbi în public: un mediu simulat face posibilă „repetarea” în mod repetat a unei situații înspăimântătoare.

Dezavantajele terapiei VR sunt costul relativ ridicat al echipamentelor și potențiala intoleranță fiziologică la realitatea virtuală.

Unii participanți la studiile de noi metode de tratament au experimentat „greață” VR (răul de realitate virtuală), care provoacă aceleași simptome ca și răul de mișcare sau răul de mare. Potrivit ipotezelor comune, ambele tulburări apar ca urmare a tulburărilor de funcționare a receptorilor aparatului vestibular sau a unui conflict între semnalele care provin din aparatul vestibular și organele de vedere.

Dezvoltatorii au creat deja mai multe metode care pot reduce „greața” VR. De exemplu, puteți plasa un obiect staționar pe ecran pe care ochii utilizatorului îl vor fixa în mod constant. Autorii tehnologiei Nasum Virtualis propun să utilizeze ca punct de plecare o imagine virtuală a nasului situată în centrul ecranului. Ochii jucătorului îl percep ca pe propriul nas, astfel încât senzația de greață și amețeală se retrage.